扎克伯格三年没发过推，昨天突然冒出来发了一条——就为了这事。

7月9日，Meta Superintelligence Labs 发布了 Muse Spark 1.1，一个主打编程和 Agent 能力的多模态推理模型。扎克伯格亲自上阵在 X 上喊话，称之为”性价比极高的 agentic 和编程模型”。

这个模型4月份就露过脸，但当时只给了少数合作伙伴用。这次1.1版本正式开放公开预览，API也跟着上线了。

Muse Spark 1.1 是什么

一句话概括：Meta 第一个正儿八经冲着编程和 Agent 市场来的模型。

之前 Meta 的 AI 模型路线一直走开源——Llama 系列免费给大家用，赚的是影响力不是钱。Muse Spark 系列不一样，这是闭源托管模型，按 token 收费，直接对标 Anthropic 的 Claude 和 OpenAI 的 GPT-5.6。

核心参数：

• 上下文窗口：1M token（一百万）
• 输入模态：文本、图片、音频、视频、PDF
• 输出模态：文本
• 内置 Thinking 模式：会先想再答
• 支持多智能体编排：可以当主 Agent 指派子 Agent，也可以当子 Agent 执行任务
• 支持 MCP 工具调用：能直接对接 MCP Server
• 支持电脑操作：能截图、点击、写脚本自动化

这和之前介绍的Muse Image（Meta 的 AI 画图工具）完全不同——Muse Image 是生成图片的，Muse Spark 1.1 是写代码和干活的。

怎么用上它

1. 最简单的方式：Meta AI App

如果你在美国（或者有美国网络环境），打开 Meta AI App 或者访问meta.ai，切换到 Thinking 模式，就能直接和 Muse Spark 1.1 对话。

这是免费体验的最快方式。不需要写代码，不需要注册 API，直接聊就行。

不过 Meta AI 目前只在美国地区正式开放，国内用户需要想办法。如果你已经在用AI 实战应用指南里提到的各种工具，这个体验门槛不算高。

2. 开发者方式：Meta Model API

这次同步上线了 Meta Model API 公开预览版，开发者可以申请接入。

几个要点：

• 注册即送 20 美元免费额度——够你跑不少测试了
• API 格式兼容 OpenAI——如果你的代码已经对接了 OpenAI 的接口，改个 base URL 就能迁移
• 目前还在等待名单阶段——申请后不是秒开，得等 Meta 审核通过
• 模型只能跑在 Meta 自家基础设施上——不像 Llama 可以随便部署

申请地址在Meta 开发者门户。

3. 接入第三方编程工具

已经有几个工具率先支持了 Muse Spark 1.1：

• Replit——CEO Amjad Masad 直接说这是”一个完整的 Agent 基座模型”
• Cline——CEO Saoud Rizwan 说”性价比让它在大规模编程工作流里变得可行”
• OpenClaw——Dave Morin 评价”跑 Agent 又快又强又好玩”

如果你在用AI 编程工程化方案，可以留意这些工具后续的更新。

定价：真的便宜吗

Meta 给出的价格：

项目	价格
输入	$1.25 / 百万 token
输出	$4.25 / 百万 token
新用户	$20 免费额度

横向对比一下：

模型	输入价	输出价
Muse Spark 1.1	$1.25	$4.25
GPT-5.6 Luna	~$0.60	~$2.40
Claude Haiku 4.5	~$1.00	~$5.00
Claude Sonnet 5	~$3.00	~$15.00
GPT-5.6 Sol	~$15.00	~$60.00

Muse Spark 1.1 的定价介于入门级和旗舰级之间。不算最便宜，但如果考虑到它1M上下文 + 多模态 + Agent 能力打包在一起，这个价位确实有竞争力。

和旗舰模型比，便宜太多；和入门模型比，能力强太多。Meta 打的就是这个中间档。

如果你在纠结 AI 编程的token 账单问题，Muse Spark 1.1 值得放进你的备选清单里。

实测能力：Agent 和编程到底怎么样

Agent 能力

Muse Spark 1.1 在 Agent 评测上表现相当亮眼：

• MCP-Atlas（工具调用）：88.1 分，排名第1/25
• Tool Decathlon（工具十项全能）：75.6 分，排名第1/9
• OSWorld-Verified（电脑操作）：80.8 分，排名第4/20

它零样本泛化到新的 MCP Server 和自定义工具上——意思是你不用提前教它怎么用某个工具，它能自己摸索着学会。

作为主 Agent 时，它能收集上下文、制定计划、并行分派子 Agent 去干活；作为子 Agent 时，它知道自己的边界，干不了的会主动上报给主 Agent。

这种多智能体协作模式，跟Chrome DevTools MCP 的思路一致——让 AI 自己去操作环境，而不是你一步步告诉它怎么干。

编程能力

编程评测成绩：

• SWE-Bench Pro：61.5 分，排名第7/47
• DeepSWE：53.3 分，排名第4/12

不算顶尖，但够用。关键是它能在大型复杂代码库上干活——诊断 bug、实现新功能、做代码迁移。Meta 内部已经在用它写代码了。

Meta 内部测试显示，在自家的 Internal Coding Bench 上，Muse Spark 1.1 比前代有大幅提升，和市面上的头部模型”竞争力相当”。

电脑操作能力

这是个有意思的特性。Muse Spark 1.1 不只会”一下一下点按钮”，它能判断什么时候该写脚本自动化、什么时候该直接操作界面。这比纯逐帧点击的方案效率高很多。

举个官方演示的例子：你在手机上拍一段视频，Muse Spark 1.1 能自动从视频里提取有用的照片、识别商品信息，然后在 Facebook Marketplace 上帮你发布商品列表——全程自动操作浏览器。

多模态能力

它理解图片、音频、视频和 PDF，不是”能看个图打个标签”那种级别的理解，而是能把感知和行动结合起来。比如看到一个设计稿，能直接生成对应的前端代码。

和 Claude、GPT-5.6 怎么选

这取决于你的场景：

选 Muse Spark 1.1 的情况：

• 你需要跑 Agent 工作流（跨工具、跨应用编排任务）
• 你需要电脑操作能力（让 AI 直接操作桌面环境）
• 你需要多模态理解（不只是文本，还要看图、听音频、读 PDF）
• 你的预算在中间档，不想花旗舰模型的钱
• 你已经用 Replit 或 Cline，想换个模型试试

选 Claude Sonnet 5 的情况：

• 你在用 Claude Code 编程，整套工作流已经跑顺了
• 你需要更强的推理能力（HLE 62.1 和 Claude Opus 级别还有差距）
• 你不介意贵一点，追求最高质量

选 GPT-5.6 Luna 的情况：

• 你需要最便宜的入门方案
• 你的任务不需要复杂 Agent 编排
• 你只跑简单对话和基本编程任务

选 GPT-5.6 Sol 的情况：

• 你有预算，要最强推理
• 你需要 Ultra 模式的多 Agent 并行处理

如果你偏好开源和本地部署，Muse Spark 1.1 目前不适合你——它是闭源托管模型。不过 Alexandr Wang 说未来会出一个开源版本，时间未定。想本地跑的话，还是老办法——Llama + Ollama。

实操建议

1. 先在 Meta AI App 上免费试——切换到 Thinking 模式，扔几个编程问题给它，感受一下推理质量

2. 申请 API 等批下来——20 美元免费额度足够跑完基准测试

3. 如果你用 Cline 或 Replit——关注它们最近的更新，大概率已经支持了

4. 别急着替换主力模型——先用 Muse Spark 1.1 处理 Agent 类任务，编程主力还是 Claude Code 或 GPT-5.6 更稳

5. 留意开源版——Meta 说了会放出来，到时候本地部署就不是梦了

几个限制和注意事项

• API 还在等待名单阶段——不是申请就能秒开
• 模型只能跑在 Meta 自家服务器——不像DeepSeek V4或Ornith那样可以本地部署
• 中文支持暂时不明——Meta 官方文档没明确提中文能力，DataLearner 标注”不支持”，实际表现需要自测
• 安全边界仍在 moderate 级别——Meta 的安全评估报告说残余风险是 moderate or lower，不是零风险
• SWE-Bench Pro 只排第7——纯编程能力不是最强档，跟 GPT-5.6 Sol 和 Claude Opus 级别有差距

下一步：Watermelon

Meta 内部正在训练一个更强的模型，代号 Watermelon（西瓜）。Muse Spark 的代号是 Avocado（牛油果）——Meta 给模型起名字是真有个性。

Watermelon 的发布时间还没说，但 Alexandr Wang 原话是”更多即将到来”。考虑到 Meta 这周连续放了 Muse Image 和 Muse Spark 1.1，Watermelon 大概率不会拖太久。

---

总结一下：Muse Spark 1.1 不是 Meta 在编程赛道上的”终极答案”，但它是 Meta 第一次正式下场收钱、跟 Claude 和 GPT-5.6 掀桌子的信号。对开发者来说，多一个可选模型总是好事——尤其是这个模型在 Agent 场景上确实有亮点、价格也不离谱。

先在 Meta AI 上免费试试，看看它对你手头的任务表现怎么样。觉得好再申请 API，反正 20 美元白送的。